Springboot2.x整合ElasticSearch7.x實戰(zhàn)（二）
本教程是系列教程，對于初學者可以對 ES 有一個整體認識和實踐實戰(zhàn)。
還沒開始的同學，建議先讀一下系列攻略目錄：Springboot2.x整合ElasticSearch7.x實戰(zhàn)目錄
本篇幅是繼上一篇 Springboot2.x整合ElasticSearch7.x實戰(zhàn)（一） ，適合初學 Elasticsearch 的小白，可以跟著整個教程做一個練習。
第三章 分詞器安裝
使用搜索，少不了使用分詞器，elasticsearch 自帶了一些簡單分詞器，也可以使用第三方分詞器插件，如 ik、pinyin 等。
Standard?Analyzer?-?默認分詞器，按詞切分，小寫處理
Simple?Analyzer?-?按照非字母切分(符號被過濾),?小寫處理
Stop?Analyzer?-?小寫處理，停用詞過濾(the,a,is)
Whitespace?Analyzer?-?按照空格切分，不轉(zhuǎn)小寫
Keyword?Analyzer?-?不分詞，直接將輸入當作輸出
Patter?Analyzer?-?正則表達式，默認\W+(非字符分割)
Language?-?提供了30多種常見語言的分詞器
Customer?Analyzer?自定義分詞器
ik分詞器插件安裝
下載和elasticsearch版本一致
教程使用的是 7.7.0 版本。
準備 ik 目錄，
cd plugins && mkdir ik
下載
wget https://github.com/medcl/elasticsearch-analysis-ik/releases/tag/v7.7.0/elasticsearch-analysis-ik-7.7.0.zip 有些地方從github下載網(wǎng)絡不好，我在課件里有插件壓縮包。
解壓到對應ik目錄
解壓文件到目錄 elasticsearch-7.7.0/plugins/ik 下。
重啟es，查看是否安裝成功
curl http://localhost:9200/_cat/plugins
rest 實例：
拼音分詞器插件安裝
下載和elasticsearch版本一致
教程使用的是 7.7.0 版本。
準備 ik 目錄，
cd plugins && mkdir pinyin
下載
wget https://github.com/medcl/elasticsearch-analysis-pinyin/archive/v7.7.0.zip 有些地方從github下載網(wǎng)絡不好，我在課件放了插件的壓縮包。
解壓到對應pinyin目錄
解壓文件到目錄 elasticsearch-7.7.0/plugins/pinyin 下。
重啟es，查看是否安裝成功
curl http://localhost:9200/_cat/plugins
更多擴展詞庫
同義詞詞庫
https://github.com/ginobefun/elasticsearch-dynamic-synonym/releases
有些情況會使用我們自己的分詞服務，后面代碼中會講解使用方式。
第四章 Elasticsearch核心概念
Elasticsearch核心概念-相關(guān)術(shù)語解析
Cluster
Elasticsearch 集群，由一臺或多臺的Elasticsearch 節(jié)點(Node)組成。
Node
Elasticsearch 節(jié)點，可以認為是Elasticsearch的服務進程，在同一臺機器上啟動兩個Elasticsearch實例(進程)，就是兩個node節(jié)點。
Index
索引，具有相同結(jié)構(gòu)的文檔的集合，類似于關(guān)系型數(shù)據(jù)庫的數(shù)據(jù)庫實例（6.0.0版本type廢棄后，索引的概念下降到等同于數(shù)據(jù)庫表的級別）。一個集群中可以有多個索引。
Type
類型，在索引中內(nèi)進行邏輯細分，在新版的Elasticsearch中已經(jīng)廢棄。
關(guān)于 type 廢棄問題，如果你需要維護低版本 elasticsearch（在7.0.0、6.*、5.6版本變化較大），一定要閱讀這篇官方英文文檔 https://www.elastic.co/guide/en/elasticsearch/reference/current/removal-of-types.html
Document
文檔，Elasticsearch中的最小的數(shù)據(jù)存儲單元，JSON數(shù)據(jù)格式，很多相同結(jié)構(gòu)的文檔組成索引。文檔類似于關(guān)系型數(shù)據(jù)庫中表內(nèi)的一行記錄。
舉個例子，一篇新聞的文檔數(shù)據(jù)。
news?document
{
?"id":"1",
?"title":"China?is?a?great?country",
?"content":"I?love?China."
}
Shard
分片，單個索引切分成多個shard，分布在多臺Node節(jié)點上存儲?？梢岳胹hard很好的橫向擴展，以存儲更多的數(shù)據(jù)，同時shard分布在多臺node上，可以提升集群整體的吞吐量和性能。在創(chuàng)建索引的時候可以直接指定分片的數(shù)量即可，一旦指定就不能再修改了。
Replica
索引副本，完全拷貝shard的內(nèi)容，一個shard可以有一個或者多個replica，replica就是shard的數(shù)據(jù)拷貝，以提高冗余。
replica承擔三個任務：
shard故障或者node宕機時，其中的一個replica可以升級成shard
replica保證數(shù)據(jù)不丟失，保證高可用
replica可以分擔搜索請求，提高集群的吞吐和性能
shard 的全稱叫 primary shard，replica 全稱叫 replica shard，primary shard 數(shù)量在創(chuàng)建索引時指定，后期不能修改，replica shard 后期可以修改。默認每個索引的 primary shard 值為5，replica shard 值為1，含義是5個primary shard，5個 replica shard，共10個 shard。因此 Elasticsearch 最小的高可用配置是2臺服務器。
理解倒排索引
例如倒排索引等內(nèi)容
倒排索引相關(guān)術(shù)語
倒排索引（Inverted Index）是整個搜索的核心，倒排索引是實現(xiàn)“單詞-文檔矩陣”的一種具體存儲形式，通過倒排索引，可以根據(jù)單詞快速獲取包含這個單詞的文檔列表。倒排索引主要由兩個部分組成：“單詞詞典”和“倒排文件”。
單詞詞典(Lexicon)：常索引單位是單詞，單詞詞典是由文檔集合中出現(xiàn)過的所有單詞構(gòu)成的字符串集合，單詞詞典內(nèi)每條索引項記載單詞本身的一些信息以及指向“倒排列表”的指針。
倒排列表(PostingList)：倒排列表記載了出現(xiàn)過某個單詞的所有文檔的文檔列表及單詞在該文檔中出現(xiàn)的位置信息，每條記錄稱為一個倒排項(Posting)。根據(jù)倒排列表，即可獲知哪些文檔包含某個單詞。
倒排文件(Inverted File)：所有單詞的倒排列表往往順序地存儲在磁盤的某個文件里，這個文件即被稱之為倒排文件，倒排文件是存儲倒排索引的物理文件。
概念關(guān)系：
簡單倒排索引實例
倒排索引從邏輯結(jié)構(gòu)和基本思路上來講非常簡單。下面我們通過具體實例來進行說明，使得大家能夠?qū)Φ古潘饕幸粋€宏觀而直接的感受。
假設有五個文檔：
通過分詞后，每個文檔就轉(zhuǎn)換為由單詞序列構(gòu)成的數(shù)據(jù)流，為了系統(tǒng)后續(xù)處理方便，需要對每個不同的單詞賦予唯一的單詞編號，同時記錄下哪些文檔包含這個單詞，在如此處理結(jié)束后，我們可以得到最簡單的倒排索引。
事實上，索引系統(tǒng)還可以記錄除此之外的更多信息。下圖是一個相對復雜些的倒排索引，與上圖的基本索引系統(tǒng)比，在單詞對應的倒排列表中不僅記錄了文檔編號，還記載了單詞頻率信息（TF），即這個單詞在某個文檔中的出現(xiàn)次數(shù)，之所以要記錄這個信息，是因為詞頻信息在搜索結(jié)果排序時，計算查詢和文檔相似度是很重要的一個計算因子，所以將其記錄在倒排列表中，以方便后續(xù)排序時進行分值計算。
最后，實用的倒排索引還可以記載更多的信息，上圖所示索引系統(tǒng)除了記錄文檔編號和單詞頻率信息外，額外記載了兩類信息，即每個單詞對應的“文檔頻率信息”（以及在倒排列表中記錄單詞在某個文檔出現(xiàn)的位置信息。
“文檔頻率信息”代表了在文檔集合中有多少個文檔包含某個單詞，之所以要記錄這個信息，其原因與單詞頻率信息一樣，這個信息在搜索結(jié)果排序計算中是非常重要的一個因子。而單詞在某個文檔中出現(xiàn)的位置信息并非索引系統(tǒng)一定要記錄的，在實際的索引系統(tǒng)里可以包含，也可以選擇不包含這個信息，之所以如此，因為這個信息對于搜索系統(tǒng)來說并非必需的，位置信息只有在支持“短語查詢”的時候才能夠派上用場。
參考：https://blog.csdn.net/hguisu/article/details/7969757
在看和分享是對我最大的鼓勵，我是 pub 哥，我們下期再見
